Question

我有一个pandas数据框：

import pandas as pd
import numpy as np

df1 = pd.DataFrame({'Start': [0,  71,  0,  0,  12, 56],
                      'End': [70, 88,  10, 11, 55, 90],
                    'Value': [1,  0,   1,  1,  0,  1],
                     'Name': ['A','A', 'B','C','C','C']},
                      index =[0,  1,   2,  3,  4,  5])

每个名字（'A'，'B'，'C'）我想计算一些操作...

如何以更加pythonic的方式执行以下操作？

df3 = pd.DataFrame(columns=['value1','value2','value3'])


unique_names = list(df1['Name'].unique())

for name in unique_names:

    df=df1.loc[df1['Name'] == name]

    value1 = operation1(df)
    value2 = operation2(df)
    value3 = operation3(df)            

    df_temp = pd.DataFrame(np.array([value1,value2,value3]).reshape(-1,3),columns=['value1','value2','value3'])
    df3 = pd.concat([df3, df_temp], ignore_index=True)[df3.columns.tolist()]

Answer 1

这就是Button的用武之地。

比如说你的三个操作如下：

Background

你可以在一次手术中准确地实现你所追求的目标：

df.groupby().apply()

返回：

#get sum of all Start values
operation1 = lambda x: x.Start.sum()
#get sum of all End values
operation2 = lambda x: x.End.sum()
#get mean of Values
operation3 = lambda x: x.Value.mean()

对pandas数据帧的行进行操作，其中列具有相同的值

1 个答案: